1. 沃森看病：Watson腫瘤輔助診斷決策系統

早在2011年，Watson就能參加人類智能問答競賽，2012年，Watson更是通過了美國職業醫師資格考試。2017年6月2日的全美臨牀腫瘤年會上，IBM Watson的腫瘤輔助診斷決策系統與印度Manipal癌症中心的主治醫生診療方案選擇的一致性評價均達到80%-90%以上。目前沃森已進入西安，任何病人只需要付費5000元，就能得到一個IBM Watson的腫瘤治療方案。

2. 棋王轉行：“CT阿爾法狗” 高效讀片

“CT阿爾法狗”經過學習10萬張胸片和CT後，讀一張胸片只需0.1秒，讀一套CT片只需5秒，肺結節發現準確率達到90%以上，接近主治以上水平。因此它已經在同濟醫院行醫了，影像科的醫生感覺到壓力了吧。

3. 胸片診病：肺結節識別與肺炎診斷

2017年7月14日，國際權威肺結節檢測大賽LUNA16的世界紀錄被一家中國企業打破。阿里雲ET憑藉89.7%的平均召回率奪得世界冠軍。

另外斯坦福大學吳恩達團隊發表的最新論文中提到：利用胸部X光片，用CNN算法識別肺炎影像準確率超過人類醫生，也許未來的放射科醫生應該擔心他們會丟掉工作了。

4. 超聲圖像：甲狀腺病變超聲圖像診斷人機大賽

2017年4月19日下午，以“甲狀腺結節超聲圖像的性質判定”爲主題的首屆人機讀片競技大賽在首都醫科大學附屬北京友誼醫院成功舉辦。來自數十家三甲醫院200位影像科的專業醫生與AI同臺競技，最後，按照正確率進行競技排名。按照團隊排名，AI以準確率超出0.3%的微弱優勢，戰勝了所有參賽醫院團隊。

5. 糖網識別：自動識別糖尿病視網膜病變

2016年JAMA雜誌上發表了一篇文章，文章介紹了利用深度學習算法自動識別糖尿病視網膜病變和視網膜黃斑水腫，只需要拍一張眼底照片上傳，系統就能夠告訴你是不是糖尿病視網膜病變，靈敏度和特異度均達到90%以上。

6. 皮癌診斷：CNN算法識別皮膚癌

2017年2月，Nature雜誌上發表了利用神經網絡算法識別皮膚癌，該系統使用了目前世界上最大的開源皮膚病圖像識別數據庫ImageNet中的128萬張圖片進行預訓練，並用自己的129,450張圖片的數據庫進行調諧，最後在新的圖片數據集中進行驗證。該系統與21位皮膚病專家進行了三場比賽，準確率均高達90%以上。

在加入臨牀資料後，黑色素瘤皮膚病變識別準確率高達97%，而臨牀醫生的準確率只有84%，也就是說如果你身上長了個痣之類你不太清楚的東西，你也許不需要去醫院，只需要拍張照上傳到網上，就可以知道答案了。

7. 研究平臺：罕見病多中心研究人工智能平臺

以往的人工智能均建立在大數據上，那麼小數據行不行呢？中山大學眼科中心聯合西安電子科技大學劉西洋教授建立了識別先天性白內障的深度學習模型，取名爲CC-Cruiser。該研究的訓練數據包括410幅先天性白內障兒童患者的眼部圖像，476幅正常兒童眼睛圖像，經57例臨牀樣本和53例網絡圖片樣本的測試驗證，診斷準確率在98%左右。

爲此，研究者將CC-Cruiser搬到了“雲”上，用於先天性白內障的醫療服務管理。普通用戶通過註冊也能接入這個網站。進入網站後用戶可以上傳自己的眼部圖片，網站會立馬給出診斷。

8. 血型快檢：30秒檢測ABO血型和Rh血型

30秒！只要30秒！你就可以知道你的血型！並且準確率超過99.9%！第三軍醫大學西南醫院的科研團隊在2017年3月發佈了一項最新科研成果，利用試紙卡可在30秒內鑑定血型，人工智能自動識別出報告，準確率高達99.9%，該成果的相關論文發表在國際醫學界權威雜誌《Science Translational Medicine》封面。

9. 藥片說話：首款智能藥片獲FDA批准

2017年11月，大冢製藥發佈了帶有消化道跟蹤系統的阿立哌唑片，內嵌腸道可吸收的傳感器，傳感器中的電極通過與胃酸反應獲得電力，配合貼在皮膚上的貼片，將患者服藥信息（如確切的服藥時間、服藥用量）及各項體徵信息（如心率、 體溫、呼吸、睡眠等）傳向患者智能手機中的APP。想必最開心的要數精神科的醫生和護士了，有了這個會說話的藥片，病人喫沒喫藥再也不是難題。

10. 醫考高分：人工智能首次參加中國醫考

2017年11月6日，“2017年臨牀執業醫師綜合筆試”合格線公佈，科大訊飛“智醫助理”機器人取得了456分的成績，超過臨牀執業醫師合格線（360分）達96分，屬於全國53萬名考生中的中高級水平。

空軍軍醫大學西京醫院神經內科主任趙鋼教授